本技术涉及发电预测，特别是涉及一种光伏出力的概率分布预测方法及设备。
背景技术：
1、光伏发电在能源电力系统中的应用越来越普及，光伏电站发电量的精准预测对电网安全、发电控制与调度、以及光伏电站的运维管理等方面有着重要的影响。光伏发电量的精确预测可以提高电网的稳定性，能够有效帮助电网调度部门做好各类电源的调度计划，可以帮助光伏电站减少由于限电带来的经济损失，提高光伏电站运营管理效率。目前，在对光伏电站的发电量进行预测时，通常是进行点预测，也即是预测某一段时间内的发电量，比如，预测某一天的发电量，而光伏发电有着较强的随机性、波动性、间歇性，因此，光伏出力预测误差较大。光伏电站出力受多元气象因素影响，其预测精度与天气状态密切相关。光伏发电出力的点预测可预测性较低，相比点预测而言，光伏发电出力的概率性预测能够提供更多的信息，能够有效提高光伏出力可预测性，因此如何实现任意点预测对应的光伏实际出力的条件误差概率分布的估计成为当前亟待解决的技术问题。
技术实现思路
1、本技术实施例的目的在于提供一种光伏出力的概率分布预测方法及设备，以解决上述技术问题。
2、一方面，提供一种光伏出力的概率分布预测方法，包括：
3、获取光伏电站在历史时间段下每日的实际出力数据和对应的预测出力数据；
4、采用雨流计数法对由所述实际出力数据确定的第一实际出力值序列进行特征提取，得到对应的计数特征数据；和/或对由所述实际出力数据确定的第二实际出力值序列进行差分处理，得到对应的出力走势特征数据；
5、基于所述计数特征数据和/或所述出力走势特征数据将属于同一目标天气类型的所述实际出力数据，以及与所述实际出力数据对应的所述预测出力数据划分到同一数据集，得到与各所述目标天气类型对应的目标数据集；
6、针对每一所述目标天气类型，确定对应的copula函数；所述copula函数的变量为所述实际出力数据和所述预测出力数据；
7、根据与所述目标天气类型对应的所述实际出力数据和对应的所述预测出力数据计算相关系数，并根据所述相关系数计算与所述目标天气类型对应的所述copula函数的copula参数；
8、根据与所述目标天气类型对应的所述实际出力数据，计算与所述目标天气类型对应的实际出力边缘密度函数和实际出力边缘分布函数，并根据与所述目标天气类型对应的所述预测出力数据，计算与所述目标天气类型对应的预测出力边缘分布函数；
9、根据与所述目标天气类型对应的所述copula函数、所述copula参数、所述实际出力边缘密度函数、所述实际出力边缘分布函数以及所述预测出力边缘分布函数，计算目标预测出力值下的预测误差条件概率分布。
10、在其中一个实施例中，所述根据与所述目标天气类型对应的所述实际出力数据，计算与所述目标天气类型对应的实际出力边缘密度函数和实际出力边缘分布函数，并根据与所述目标天气类型对应的所述预测出力数据，计算与所述目标天气类型对应的预测出力边缘分布函数，包括：
11、根据与所述目标天气类型对应的所述实际出力数据确定待进行概率统计的实际出力值区间范围，并根据与所述目标天气类型对应的所述预测出力数据确定待进行概率统计的预测出力值区间范围；
12、根据所述历史时间段下每日的实际出力数据，计算实际出力数据落入各所述实际出力值区间范围的第一概率，并根据所述历史时间段下每日的对应的预测出力数据，计算预测出力数据落入各所述预测出力值区间范围的第二概率；
13、根据所述第一概率和所述实际出力值区间范围，得到实际出力边缘密度函数，并根据所述第二概率和所述预测出力值区间范围，得到预测出力边缘密度函数，
14、对所述实际出力边缘密度函数进行积分得到实际出力边缘分布函数，并对所述预测出力边缘密度函数进行积分得到预测出力边缘分布函数。
15、在其中一个实施例中，所述根据与所述目标天气类型对应的所述copula函数、所述copula参数、所述实际出力边缘密度函数、所述实际出力边缘分布函数以及所述预测出力边缘分布函数，计算目标预测出力值下的预测误差条件概率分布，包括：
16、根据fe|y(e|y＝p)＝c(fx(p+e),fy(p))·fx(p+e)计算目标预测出力值下的预测误差条件概率分布；其中，fe|y表示所述预测误差条件概率分布，y＝p表示预测出力数据取目标预测出力值，e表示所述实际出力数据与对应的所述预测出力数据之间的误差，fx表示所述实际出力边缘分布函数，fy表示所述预测出力边缘分布函数，c表示所述copula函数的导函数，fx表示所述实际出力边缘密度函数。
17、在其中一个实施例中，在所述根据fe|y(e|y＝p)＝c(fx(p+e),fy(p))·fx(p+e)计算目标预测出力值下的预测误差条件概率分布之后，所述方法包括：
18、根据与所述目标天气类型对应的预设置信度计算所述目标预测出力值下的误差下限和误差上限。
19、在其中一个实施例中，所述根据与所述目标天气类型对应的预设置信度计算所述目标预测出力值下的误差下限和误差上限，包括：
20、根据计算所述目标预测出力值下的误差下限，并根据所述目标预测出力值下的误差上限；其中1-α表示与所述目标天气类型对应的预设置信度，e1表示误差下限，e2表示所述误差上限。
21、在其中一个实施例中，所述目标天气类型包括第一目标天气类型和第二目标天气类型，所述光伏电站在所述第一目标天气类型下单位时间内的出力值大于所述光伏电站在所述第二目标天气类型下所述单位时间内的出力值，与所述第一目标天气类型对应的所述copula函数为对下尾处变化敏感的函数，与所述第二目标天气类型对应的所述copula函数为对上尾处变化敏感的函数。
22、在其中一个实施例中，与所述第一目标天气类型对应的所述copula函数为clayton copula函数，与所述第二目标天气类型对应的所述copula函数为gumbel copula函数。
23、在其中一个实施例中，每一所述实际出力数据包括所述光伏电站在对应历史日期下各第一单位时间内对应的第一实际出力值和在各第二单位时间内对应的第二实际出力值，所述第一单位时间对应的时长小于所述第二单位时间对应的时长；
24、所述采用雨流计数法对由所述实际出力数据确定的第一实际出力值序列进行特征提取，得到对应的计数特征数据，包括：
25、采用雨流计数法对由所述第一实际出力值组成的第一实际出力值序列进行特征提取，得到对应的计数特征数据；
26、对由所述实际出力数据确定的第二实际出力值序列进行差分处理，得到对应的出力走势特征数据，包括：
27、对由所述第二实际出力值组成的第二实际出力值序列进行差分处理，得到对应的出力走势特征数据。
28、在其中一个实施例中，所述基于所述计数特征数据和/或所述出力走势特征数据将属于同一目标天气类型的所述实际出力数据，以及与所述实际出力数据对应的所述预测出力数据划分到同一数据集，得到与各所述目标天气类型对应的目标数据集，包括：
29、获取所述光伏电站所在地在所述历史时间段下每日的环境特征数据；
30、获取所述光伏电站所在地在所述历史时间段下每日的专业天气类型，得到m种专业天气类型；
31、基于所述环境特征数据将所述光伏电站所在地的所述m种专业天气类型划分为n种目标天气类型，得到专业天气类型与目标天气类型之间的映射关系；其中，m＞n；
32、基于所述映射关系以及所述历史时间段下每日的专业天气类型，对所述历史时间段下每日的所述实际出力数据进行天气初始化，得到各所述实际出力数据对应的目标天气类型。
33、根据各所述实际出力数据对应的所述目标天气类型，将属于同一所述目标天气类型的所述实际出力数据划分到同一数据集，得到与各所述目标天气类型对应的初始数据集；
34、根据各所述初始数据集中的各所述实际出力数据的所述第一实际出力值或所述第二实际出力值，确定各所述初始数据集的几何中心；
35、基于与各所述实际出力数据对应的所述计数特征数据和/或所述出力走势特征数据，以及各所述几何中心对各所述实际出力数据进行聚合分类，并将各所述预测出力数据划分至对应的所述实际出力数据所在的数据集，得到与各所述目标天气类型对应的目标数据集。
36、另一方面，提供了一种光伏出力的概率分布预测设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，以实现上述任一所述的方法。
37、通过本技术提供的光伏出力的概率分布预测方法及设备，可以获取光伏电站在历史时间段下每日的实际出力数据和对应的预测出力数据，采用雨流计数法对由实际出力数据确定的第一实际出力值序列进行特征提取，得到对应的计数特征数据，和/或对由实际出力数据确定的第二实际出力值序列进行差分处理，得到对应的出力走势特征数据，基于计数特征数据和/或出力走势特征数据将属于同一目标天气类型的实际出力数据，以及与实际出力数据对应的预测出力数据划分到同一数据集，得到与各目标天气类型对应的目标数据集，针对每一目标天气类型，确定对应的copula函数，根据与目标天气类型对应的实际出力数据和对应的预测出力数据计算相关系数，并根据相关系数计算与目标天气类型对应的copula函数的copula参数，根据与目标天气类型对应的实际出力数据，计算与目标天气类型对应的实际出力边缘密度函数和实际出力边缘分布函数，并根据与目标天气类型对应的预测出力数据，计算与目标天气类型对应的预测出力边缘分布函数，根据与目标天气类型对应的copula函数、copula参数、实际出力边缘密度函数、实际出力边缘分布函数以及预测出力边缘分布函数，计算目标预测出力值下的预测误差条件概率分布，实现了任意点预测对应的条件误差概率分布的估计，此外，本技术中基于计数特征数据将属于同一目标天气类型的实际出力数据划分到同一数据集，保证了同一目标天气类型对应的目标数据集中各实际出力数据的一致性和规律性，基于出力走势特征数据将属于同一目标天气类型的发电历史数据划分到同一数据集，消除了季节性影响，保证了得到的目标数据集的准确性，进而保证了预测误差条件概率估计的准确性。
1.一种光伏出力的概率分布预测方法，其特征在于，包括：
2.如权利要求1所述的光伏出力的概率分布预测方法，其特征在于，所述根据与所述目标天气类型对应的所述实际出力数据，计算与所述目标天气类型对应的实际出力边缘密度函数和实际出力边缘分布函数，并根据与所述目标天气类型对应的所述预测出力数据，计算与所述目标天气类型对应的预测出力边缘分布函数，包括：
3.如权利要求1所述的光伏出力的概率分布预测方法，其特征在于，所述根据与所述目标天气类型对应的所述copula函数、所述copula参数、所述实际出力边缘密度函数、所述实际出力边缘分布函数以及所述预测出力边缘分布函数，计算目标预测出力值下的预测误差条件概率分布，包括：
4.如权利要求3所述的光伏出力的概率分布预测方法，其特征在于，在所述根据fe|y(e|y＝p)＝c(fx(p+e),fy(p))·fx(p+e)计算目标预测出力值下的预测误差条件概率分布之后，所述方法包括：
5.如权利要求4所述的光伏出力的概率分布预测方法，其特征在于，所述根据与所述目标天气类型对应的预设置信度计算所述目标预测出力值下的误差下限和误差上限，包括：
6.如权利要求1所述的光伏出力的概率分布预测方法，其特征在于，所述目标天气类型包括第一目标天气类型和第二目标天气类型，所述光伏电站在所述第一目标天气类型下单位时间内的出力值大于所述光伏电站在所述第二目标天气类型下所述单位时间内的出力值，与所述第一目标天气类型对应的所述copula函数为对下尾处变化敏感的函数，与所述第二目标天气类型对应的所述copula函数为对上尾处变化敏感的函数。
7.如权利要求6所述的光伏出力的概率分布预测方法，其特征在于，与所述第一目标天气类型对应的所述copula函数为clayton copula函数，与所述第二目标天气类型对应的所述copula函数为gumbel copula函数。
8.如权利要求1所述的光伏出力的概率分布预测方法，其特征在于，每一所述实际出力数据包括所述光伏电站在对应历史日期下各第一单位时间内对应的第一实际出力值和在各第二单位时间内对应的第二实际出力值，所述第一单位时间对应的时长小于所述第二单位时间对应的时长；
9.如权利要求8所述的光伏出力的概率分布预测方法，其特征在于，所述基于所述计数特征数据和/或所述出力走势特征数据将属于同一目标天气类型的所述实际出力数据，以及与所述实际出力数据对应的所述预测出力数据划分到同一数据集，得到与各所述目标天气类型对应的目标数据集，包括：
10.一种光伏出力的概率分布预测设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，以实现如权利要求1-9中任一项所述的方法。
